1.一种基于轨迹数据的货车运行状态识别方法，其特征在于，包括以下步骤：S1、获取货车在一段时间内的若干GPS轨迹数据作为大样本，所述GPS轨迹数据包括货车运行途中的时间和所在经纬度；

S2、从大样本中随机抽取少量GPS轨迹数据作为小样本；

S3、设定货车运行速度阈值为Vmax，货车运行速度为V，其中V通过货车运行途中的时间和所在经纬度计算得出，将小样本中所有的V小于Vmax的货车所在经纬度均记为疑似停留点，并一起形成疑似停留点数据集合，将小样本中所有的V大于或等于Vmax的货车所在经纬度均记为行驶点，并均标记为1；

S4、设定距离阈值dmax和时间阈值tmax，通过dmax和tmax判断所述疑似停留点数据集合中的各疑似停留点，从中识别出停留点和行驶点，其中停留点标记为0，行驶点标记为1；

S5、利用识别出的停留点和行驶点构造训练集，利用神经网络算法对训练集进行训练，并得到神经网络模型；

S6、利用神经网络模型对大样本中除小样本外的其它GPS轨迹数据进行识别，输出包含停留点和行驶点的分类表，完成货车运行状态识别。

2.根据权利要求1所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述步骤S4具体包括：S41、选择所述疑似停留点数据集合的第一个疑似停留点作为计算起点，记为S1，并将其标记为0；

S42、将疑似停留点数据集合内的其它疑似停留点记为Si，i＝2,3,4,...；通过货车运行途中的时间和所在经纬度计算Si与Si-1之间的距离di-1,i，如果di-1,i小于dmax，则将Si标记为

0，否则将Si记为行驶点，并标记为1；

S43、逐一计算各标记为0的疑似停留点的停车起始时间tstart和结束时间tend，如果其中某疑似停留点的tstart和tend之间的差值小于tmax，则去掉该疑似停留点的标记0，该疑似停留点不再使用，否则保留该疑似停留点，并记为停留点。

3.根据权利要求2所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述步骤S43中去掉标记0的疑似停留点记为货车短暂停留点。

4.根据权利要求1所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述步骤S3中，货车运行速度V的计算方法具体为：

1)根据货车GPS轨迹数据中的时间字段计算相邻两记录点的时间间隔Δt，计算公式为：Δt＝ti-ti-1，其中，i＝1,2,3...；

2)根据货车GPS轨迹数据中的经纬度字段，计算相邻两记录点的距离Δd，计算公式为Haversine公式： 其中R＝6371KM为地球半径；φ1,φ2表示两记录点的纬度；Δλ表示两记录点经度的差值；

3)根据公式V＝Δd/Δt计算货车运行速度V。

5.根据权利要求1所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述步骤S5中，通过Python工具训练所述神经网络模型。

6.根据权利要求5所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述步骤S6中，根据训练好的神经网络模型，利用python工具读取GPS轨迹数据。

7.根据权利要求6所述基于轨迹数据的货车运行状态识别方法，其特征在于，所述分类表中还包括对货车运行状态的详细备注。